提出了基于边界跟踪、轮廓定位和曲线拟合的光学相干层析成像(OCT)图像中角膜厚度的自动测量方法。分别测量了高信噪比以及存在噪声和伪影的角膜OCT图像中的角膜厚度,并验证了所提方法的有效性和实用性。研究结果表明,所提方法不仅可以精确测量高信噪比角膜OCT图像中的角膜厚度,对存在噪声和伪影的角膜OCT图像也有很好的测量效果。与已有的角膜厚度测量方法相比,该方法具有抗干扰能力强和测量精度高的优点。

手背静脉图像的采集过程中，由于图像采集设备、光照、皮下脂肪厚度等因素的影响，手背静脉图像的对比度比较低，同时图像噪声严重影响静脉提取。针对此问题，本文提出了一种基于静脉灰度值特征的图像分割与对比度增强算法。首先提取ROI(有效的感兴趣区域)和对ROI 进行维纳滤波；然后采用新的图像分割算法对静脉图像进行静脉提取，利用8-邻接内边界跟踪方法和形态学处理方法对静脉二值图像进行去噪；最后将ROI 与去噪后的图像进行加权叠加得到对比度增强的静脉图像。实验结果表明，通过采用基于静脉灰度值特征的图像分割算法可以很好地获取到静脉脉络，最终可以获得高对比度的静脉图像。

为了克服传统二值图像边界跟踪速度慢和边界漏跟踪等问题,基于Freeman 链码提出一种通用性强的多起点分段二值图像边界跟踪与边界链码获取算法。在借鉴前人对传统Freeman 链码搜索算法的改进,将平均搜索方向减少为2.5就可以找到新边界点的基础上,进一步将复杂的边界分段处理,令前一边界链的起点作为待跟踪边界链搜索的起点,同时把跟踪后的边界点填充,这样自上而下自左而右的对图像扫描,只需一次即可跟踪完所有的边界,并通过设定阈值消除了单像素冗余点。实验论证结果表明,本文算法能够对复杂网状边界、内部孔洞进行有效地跟踪,同时具有抗噪去除冗余点的能力和较快的速度。

针对现有盲道识别算法实时性较差的问题，提出一种基于边界跟踪的高实时性盲道识别算法，主要包括精确识别和跟踪识别两个步骤。精确识别步骤主要计算初始帧的灰度共生矩阵，并通过聚类和Hough变换提取图像中盲道的边界直线。之后的跟踪识别步骤利用前一帧盲道边界位置估计当前帧边界所处的小范围ROI(感兴趣区域)，在该区域中利用图像灰度梯度特征提取盲道边界位置，并通过判断前后帧盲道边界两侧颜色分布一致性检验跟踪的有效性：一致则有效，继续进行跟踪识别；反之转向精确识别步骤。对该算法进行多次实验，正常光照下每帧图像中盲道的精确识别和跟踪识别时间分别约为0.8 s和0.1 s，综合平均每帧识别时间显著降低，且盲道识别率达到90%以上，同时在阴影环境下的适应性良好。实验结果表明本文算法在保证识别率的前提下可显著提高盲道识别的实时性。

针对边界跟踪算法中在角点附近丢失边界信息的问题, 对待检测边界中角点的判别和检测方法进行了研究。分析了边界搜索中所扩展的邻域的半径和角点位置的关系, 提出了角点存在判据, 给出了角点存在区间。提出了寻区间法角点检测算法, 用5个已知边界点之间的关系, 判断出角点存在的邻域, 通过选取合适的邻域半径, 使角点存在区间向角点收敛。对测试图像和人侧面轮廓图像的边界利用所提出的算法进行跟踪, 测试图像的边界点从19个增长为37个, 人侧面轮廓图像边界点从13个增长为21个, 新算法准确地检测到轮廓角点和后续种子点, 使边界跟踪能够反映所有的边界信息。

为了实现多目标轮廓高效跟踪, 提出了基于方向预估计的边界跟踪算法。研究了多目标轮廓模型表达以及轮廓初始点选取方法, 为多轮廓跟踪提供模型依据。定义了4方向操作模板和方向矩阵实现轮廓走向的估计, 通过定义权重矩阵避免轮廓跟踪算法进入搜索陷阱, 提高算法的鲁棒性。对多组头部MR图像进行实验, 结果表明, 在同等边界数据情况下, 新算法跟踪效率较变窗爬虫跟踪算法和传统跟踪算法平均提高约21%, 鲁棒性明显增强。

综合利用目标边缘、区域和纹理等多种特征,提出一种新的复杂背景下扩展目标的分割算法.在基于知识的串行边界初分割基础上,运用一种新的分形分割方法抑制初分割图像中的自然背景团块,最后利用数学形态学运算消除背景粘连.实验结果表明该方法能够有效的分割复杂背景下的扩展目标,并能较好的保留目标的形状特征.